一种轮重减载率的预测方法.pdf

(19)中华人民共和国国家知识产权局*CN102567576A*(12)发明专利申请(10)申请公布号CN102567576A(43)申请公布日2012.07.11(21)申请号201110415826.0(22)申请日2011.12.13(71)申请人北京交通大学地址100044北京市海淀区西直门外上园村3号北京交通大学科技处(72)发明人秦勇贾利民张媛陈皓张道于朱跃邢宗义(74)专利代理机构北京众合诚成知识产权代理有限公司11246代理人黄家俊(51)Int.Cl.G06F17/50(2006.01)G06N3/02(2006.01)权利要求书权利要求书3页3页说明书说明书77页页附图附图33页(54)发明名称一种轮重减载率的预测方法(57)摘要本发明公开了铁路安全技术领域中一种轮重减载率的预测方法。首先利用轨检车采集轨道的左轨高低不平顺、左轨轨向不平顺、右轨高低不平顺和右轨轨向不平顺数据；然后利用专业软件ADAMS/RAIL对采集的数据进行仿真，得到轮轨力数据，即垂向轮轨力和横向轮轨力，进而求得轮重减载率，并对轮重减载率归一化处理；选取训练样本训练NARX神经网络模型；对训练好的NARX神经网络预测模型进行测试，输出测试后的轮重减载率数据；对测试样本中的轮重减载率数据和测试后的神经网络得到的轮重减载率数据进行分析，评价NARX神经网络预测模型的性能。本发明能够精确预测脱轨系数，提过了对铁路行车安全评价的准确性，对轨道交通安全控制具有重要的现实意义。CN102567ACN102567576A权利要求书1/3页1.一种轮重减载率的预测方法，其特征是该方法包括以下步骤：步骤1：利用轨道检测车检测轨道的不平顺数据；步骤2：通过步骤1采集的不平顺数据，利用ADAMS/RAIL软件建立模型仿真求得轨道的垂向轮轨力和横向轮轨力，进而求得轮重减载率，并对轮重减载率归一化处理；步骤3：利用归一化后的脱轨系数对改进的NARX神经网络预测模型进行训练，并通过指定网络性能评价函数确定NARX神经网络预测模型的权值和阈值的优化效果；步骤4：将步骤1采集的数据输入训练后的改进的NARX神经网络预测模型得到轮重减载率，用均方根误差法对该模型评价。2.根据权利要求1所述的一种轮重减载率的预测方法，其特征是所述轨道不平顺数据包括左轨高低不平顺数据、左轨轨向不平顺数据、右轨高低不平顺数据和右轨轨向不平顺数据。3.根据权利要求1所述的一种轮重减载率的预测方法，其特征是所述归一化公式为：其中：为归一化后的数据；xi为归一化前的数据；xmax和xmin分别为变量x的最大值和最小值。4.根据权利要求1所述的一种轮重减载率的预测方法，其特征是所述NARX神经网络预测模型的结构包含2个中间层，其中一个中间层负责接收较长的输入输出延迟数据序列，另一个中间层负责接收较短的输入输出延迟数据序列，两个中间层之间无联系。5.根据权利要求4所述的一种轮重减载率的预测方法，其特征是所述对算法改进的NARX神经网络预测模型进行训练的方法为改进的正则化算法。6.根据权利要求5所述的一种轮重减载率的预测方法，其特征是所述改进的正则化算法的网络性能评价函数：F(w)＝(1-γ)ED+γEw式中：F(w)为网络性能评价函数值；w为权值；γ为修正因子，0≤γ≤1，取值0.3；Ew为网络所有权值或阈值的平方和；ED为网络误差的平方和。7.根据权利要求6所述的一种轮重减载率的预测方法，其特征是所述Ew和ED的计算公式分别为：2CN102567576A权利要求书2/3页式中：(p)ED为第p对输入输出样本数据的网络误差平方和；dk为第k个输出层节点的目标输出；yk为第k个输出层节点的网络输出；(p)Ew为第p对输入输出样本数据的网络权值平方和；Nw为网络的可调权值个数；wij为第i个时延层节点到第j个中间层节点间权值；wjk为第j个中间层节点到第k个输出层节点的权值；n个时延层节点；h个中间层节点；m个输出个数。8.根据权利要求7所述的一种轮重减载率的预测方法，其特征是所述中间层的激活函数为输出层的线性处理函数为f0(x)＝x，且输出层和中间层权值修正量分别为：式中：(p)Δwjk为第p对输入输出样本数据的输出层权值修正量；为第p对输入输出样本数据的中间层权值修正量；λ为中间层激活函数的参数，取值为1；(p)dk为第p对输入输出样本数据的第k个输出层节点的目标输出；(p)yk为第p对输入输出样本数据的第k个输出层节点的网络输出；(p-1)wjk为第p-1对输入输出样本数据的第j个中间层节点到第k个输出层节点的权值；为第p对输入输出样本数据的第j个中间层节点输入；为第p对输入输出样本数据的第i个输出层节点的输入。9.根据权利要求8所述的一种轮重减载率的预测方法，其特征是所述输出层和中间层权值的调整分别